PEMODELAN PENGAMBILAN KEPUTUSAN DALAM JARINGAN REVERSE

LOGISTICS UNTUK INDUSTRI PEMBONGKARAN KAPAL BEKAS

Widha K Ningdyah, Ahmad Rusdiansyah, Maria Anityasari

Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
Email: widha.kusuma@gmail.com ; arusdianz@gmail.com; maria@ie.its.ac.id

Abstrak
Penelitian ini bertujuan untuk membuat model jaringan logistik untuk aktivitas pembongkaran
kapal bekas (ship dismantling), dimulai dari proses pengadaan kapal hingga proses re-distribusi
ke perusahaan manufaktur baja sebagai konsumen akhir dari bisnis ini. Model reverse logistics
untuk kapal pada penelitian ini dibuat dengan berdasarkan pengamatan pada aktivitas bisnis di
Indonesia dan diperkuat dengan literatur review mengenai aktivitas yang sama di beberapa
negara lain. Model yang dikembangkan bertujuan untuk mengoptimalkan profit yang didapatkan
oleh pengusaha besi tua mengingat fluktuasi dan sensitifitas harga yang sangat berpengaruh
terhadap keuntungan pengusaha. Variabel keputusan yang digunakan pada penelitian ini adalah
pemilihan lokasi pembongkaran kapal, keputusan untuk tunda atau lanjutkan proses
pembongkaran kapal dan pengambilan keputusan untuk simpan atau jual langsung hasil reverse
logistics. Uji numerik dilakukan untuk mengukur performansi model. Uji numerik dilakukan
dengan menggunakan 2 set data harga berdistribusi normal dan uniform dimana masing-masing
data set diturunkan menjadi dua data set baru yang dibedakan berdasarkan interval perubahan
harga. Skenario dirancang dengan melakukan perubahan pada beberapa variabel untuk
mengetahui pengaruhnya terhadap optimasi profit. Hasil uji numerik menunjukkan bahwa
secara umum model dan algoritma optimasi nilai profit dapat menghasilkan kebijakan yang
menguntungkan untuk mencapai profit yang optimal. Model yang dikembangkan pada penelitian
ini dapat digunakan sebagai alat untuk membantu proses pengambilan keputusan bagi
pengusaha industri pembongkaran kapal bekas.

Kata kunci : reverse logistics, industri pembongkaran kapal, fluktuasi harga, optimasi profit,
alat pengambilan keputusan.

ABSTRACT

This research is aimed to model reverse logistics network for shipbreaking industry, initiate with
obsolete ship procurement process trough redistribution of output to steel manufacturer as the
end costumer from this business. In this research, reverse logistics model for shipbreaking
industri wss developed based on observation to the real business activity in Indonesia supported
by literature review about the same business in other countries.The objective of the developed
model is to optimize the profit gained by the shipbreaking industry considering cost for
shipbreaking and price fluctuation.The decision variables include location selection for
shipbreaking process and decision making to hold or sell the output of reverse logistics process.
Numerical test was done to measure the model performance. It was done by using two set of price
data distributed in normal and uniform. Form each of data set then was generated two data sets
which differed by price interval changes. Scenarios were designed by changing several parameter
to observe the impact to profit gained. Result from numerical test shows that generally model and
algorithm to optimize profit provides advantages to increase the optimal profit. Model developed
in this research then is used as basis to design a decision support system for the shipbreaking
industry.

Keywords : reverse logistics, shipbreaking indsutry, price fluctuation, profit optimation,

decision support systems.

1. Pendahuluan
Penelitian ini bertujuan untuk membuat model
jaringan logistik untuk aktivitas pembongkaran
kapal tua (ship dismantling) yang berada pada
akhir siklus hidupnya, dimulai dari proses
pengadaan kapal hingga proses re-distribusi ke
perusahaan manufaktur baja sebagai konsumen
akhir dari bisnis ini. Model reverse logistics
untuk kapal pada penelitian ini dibuat dengan
berdasarkan pengamatan pada aktivitas bisnis di
Indonesia dan diperkuat dengan literatur review
mengenai aktivitas yang sama di beberapa
negara lain, seperti India (Hess, dkk., 2001 ;
Reddy, dkk., 2003) dan Turki (Nesser, dkk.,
2008). Ship Dismantling merupakan suatu
proses awal penting dari suatu reverse logistics
untuk industri baja.
Reverse logistics saat ini menjadi salah satu
alternatif terbaik yang dapat dipertimbangkan
untuk mengurangi keterbatasan sumber daya
bahan baku. Selain itu, reverse logistics terbukti
dapat memberikan nilai ekonomi bagi para
pelakunya (Rivera dan Ertel, 2008). Dilain
pihak, isu lingkungan menjadi salah satu
motivasi terkuat untuk melakukan reverse
logistic (misalnya : Francas dan Minner, 2009;
Schultzmann, dkk., 2006). Aktivitas utama dari
reverse logistics adalah mengumpulkan produk
yang akan diperbaharui dan melakukan
redistribusi material baru yang dihasilkan (de
Britto, dkk., 2002).
Pada literatur, beberapa penelitian sebelumnya
telah banyak membahas tentang desain jaringan
logistik untuk reverse logistics. Desain jaringan
logistik dikembangkan untuk mengatasi
permasalahan yang timbul dalam prosesnya.
Hingga saat ini, berbagai penelitian tentang
desain jaringan logistik telah dibuat untuk
mengatasi permasalahan untuk produk tertentu
(Barros, dkk., 1998; Biehl, dkk., 2007; Rivera
dan Ertel, 2008; Nunes, dkk., 2009), dengan
mengambil kondisi pada negara tertentu (Rivera
dan Ertel, 2008; Nunes, dkk., 2009) dan dengan
sistem operasional dan kondisi tertentu (Min dan
Ko, 2008; Sayed, dkk., 2008; Lee dan Dong,
2009). Setiap jaringan logistik didesain secara
spesifik untuk mengatasi masalah yang timbul
bergantung pada karakteristik dan asumsi yang
ditetapkan.
Walaupun telah banyak beberapa penelitian
di bidang jaringan logistik untuk reverse
logistics, namun demikian belum ada yang
membahas secara spesifik untuk industri
pembongkaran kapal. Penelitian ini berupakan
upaya untuk mengisi research gap terebut. Pada
penelitian ini, peneliti memfokuskan pada
perancangan model jaringan logistik untuk
industri pembongkaran kapal. Model jaringan
logistik dikembangkan dengan
mempertimbangkan beberapa faktor, yaitu :
(1) Pemilihan lokasi pembongkaran kapal,
terkait dengan fasilitas dan biaya yang
muncul untuk tiap lokasi yang potensial;
(2) Keputusan penundaan proses
pembongkaran kapal beserta waktunya
terkait dengan fluktuasi harga dan
keuntungan yang akan diperoleh; dan
(3) Keputusan jual atau simpan besi tua yang
dihasilkan pada saat terjadi perubahan
harga jual besi tua pada manufaktur.
Lebih jauh lagi, model yang dibuat akan
digunakan sebagai alat pengambil keputusan
dalam proses bisnis untuk mendapatkan profit
yang optimal dan meminimalkan resiko kerugian
yang harus ditanggung ketika harga jual besi tua
menurun. Beberapa parameter biaya yang
menjadi pertimbangan antara lain adalah biaya
transportasi, biaya operasional, biaya
penyimpanan, serta biaya dampak lingkungan
yang disebabkan oleh aktivitas pembongkaran
kapal itu sendiri.
Dalam industri pembongkaran kapal
keputusan penyimpanan material didahului oleh
adanya keputusan pembongkaran atau
penundaan. Keputusan tersebut dipengaruhi oleh
harga jual besi tua yang berlaku pada saat itu
dan lead time pembongkaran agar dapat
diperoleh profit yang optimal. Harga jual besi
tua selama ini ditetapkan oleh pihak manufaktur.
Penetapan harga dibuat berdasarkan kebutuhan
manufaktur terhadap supply besi tua. Dilain
pihak penyedia besi tua, dalam hal ini pelaku
aktivitas pembongkaran kapal, diharapkan
memiliki persediaan yang selalu mencukupi
ketika ada permintaan. Hal ini menjadi
permasalahan ketika harga yang ditetapkan oleh
pihak manufaktur tidak sesuai dengan biaya
yang telah dikeluarkan untuk menyediakan besi
2
tua itu sendiri. Pada dasarnya pelaku bisnis besi
tua memiliki hak untuk menunda penjualan besi
tuanya. Oleh karena itu, beberapa pelaku bisnis
ini cenderung untuk menyimpan barangnya
hingga mendapatkan harga yang sesuai. Namun
dilain pihak, kebanyakan pelaku bisnis dengan
modal kecil menjual produknya sesegera
mungkin ke manufaktur dan mengalami
kerugian. Pilihan tersebut diambil karena
kebutuhan terhadap modal kembali sangat besar
dengan anggapan untuk menghindari resiko
kerugian yang lebih besar. Penelitian ini akan
membuat model keputusan yang dapat
membantu para pelaku bisnis untuk
mengoptimalkan keuntungan yang diperoleh dan
atau meminimalkan resiko terkait dengan
permintaan dan harga beli oleh manufaktur.
Selain pengembangan model, penelitian ini juga
akan melakukan berbagai percobaan untuk
mengkaji berbagai skenario pengambilan
keputusan. Berbagai skenario tersebut dikaji
menggunakan alat bantu keputusan yang
dikembangkan berdasarkan model diatas. Hasil
penelitian ini diharapkan dapat memberikan
kontribusi sebagai tambahan literatur akademik
dalam bidang reverse logistics sekaligus
memberikan wacana baru bagi praktisi,
khususnya yang bergerak dalam industri
pembongkaran kapal ini.
2. Jaringan Logistik Industri Pembongkaran
Kapal
Jaringan Logistik untuk industri Pembongkaran
Kapal dapat digolongkan sebagai Jaringan
Logistik Manufakturing. Hal ini sesuai dengan
pendapat de Britto, dkk (2002) bahwa jaringan
logistik untuk remanufacturing biasanya
diaplikasikan untuk produk atau mesin dengan
tingkat kompleksitas tinggi, dimana didalamnya
banyak mengandung komponen dan modul. Pada
proses pengerjaannya, biasanya membutuhkan
tenaga kerja dalam jumlah besar (labor
intensive). Hal ini diperkuat bahwa kapal
sebagai produk yang akan di-remanufacturing
memiliki karakteristik produk dengan banyak
komponen dan modul pada desainnya serta
membutuhkan jumlah tenaga kerja yang tidak
sedikit dalam pengerjaannya.
Faktor lain yang menjadi karakteristik jaringan
logistik ini adalah bentuk dan lokasi
penyimpanan material. Material dapat disimpan
dalam dua bentuk, yaitu sebagai kapal bekas,
sebelum dilakukan proses pembongkaran dan
besi tua. Penyimpanan dalam bentuk kapal bekas
dilakukan di pantai, dimana hal ini tentunya akan
membutuhkan biaya dampak lingkungan, selain
biaya inventory. Dilain pihak, penyimpanan
dalam bentuk besi tua dapat dilakukan di gudang
persediaan, dan hanya akan timbul biaya
inventory. Namun demikian, terdapat trade-off
antar kedua alternatif lokasi tersebut, terkait
dengan jarak angkut dari lokasi pengumpulan
produk ke lokasi pembongkaran atau ke lokasi
warehouse. Oleh karena itu, perlu dilakukan
perhitungan yang cermat agar dapat diambil
keputusan yang tepat.
Pada prakteknya, jaringan logistik ini ditandai
dengan tersebarnya lokasi supply di berbagai
wilayah dengan fasilitas pembongkaran di
beberapa lokasi yang berbeda pula. Perbedaan
antar fasilitas pembongkaran kapal ditandai
dengan perbedaan peralatan/fasilitas yang
dipengaruhi oleh type fasilitas (permanen dan
temporary) dan sumber daya manusia. Kedua hal
tersebut akan berpengaruh pada besarnya biaya
operasional yang dibutuhkan. Selain itu
kebijakan pemerintah yang terdesentralisasi juga
berpengaruh pada besarnya biaya dampak
terhadap lingkungan.
Hasil pengamatan awal penelitian ini di lapangan
menunjukkan bahwa pengambilan keputusan
dilakukan tanpa memperhatikan secara detail
aliran material , dalam hal ini kapal, dimana
dalam hal ini akan berpengaruh pada total biaya
yang harus dikeluarkan. Selain itu, pelaku bisnis
kurang detail dalam memperhitungan komponen
biaya yang harus dikeluarkan untuk melakukan
proses ini dari awal hingga akhir. Sehingga
seringkali dinyatakan oleh pengusaha kapal
bahwa banyak sekali terjadi biaya tidak terduga
dalam bisnis ini. Kedua hal diatas menunjukkan
bahwa aktivitas pembongkaran kapal, khususnya
jaringan logistiknya, belum terstruktur dengan
baik sehingga tidak dapat diukur tingkat
efisiensinya. Bisnis yang dinilai menguntungkan
bisa jadi malah merugikan, ketika dilakukan
pengukuran terhadap prosesnya. Ditambah lagi
dengan kondisi harga besi tua yang saat ini terus
mengalami fluktuasi, dimana hal ini akan
berpengaruh pada profit yang seharusnya
didapatkan oleh pengusaha. Belum lagi biaya
atas dampak lingkungan yang diakibatkan oleh
3
aktivitas itu sendiri yang selama ini belum terlalu
diperhatikan, khususnya di Indonesia.
3. Pengembangan Model dan Algoritma
Model ini ditujukan untuk menetapkan
strategi yang tepat untuk mengoptimalkan profit
yang diperoleh. Dalam situasi yang berbeda,
model yang dibuat juga dapat digunakan untuk
meminimalkan resiko kerugian pengusaha besi
tua ketika menggunakan kapal bekas sebagai
komoditinya. Bagian ini akan membahas
rancangan desain model beserta asumsi yang
menyertainya. Beberapa asumsi dibuat sebagai
dasar untuk melakukan what-if analysis. Namun,
asumsi tersebut dapat dimodifikasi untuk
menyesuaikan dengan data pada kondisi yang
berbeda.
3.1 Asumsi Model
Sebuah model simulasi didesain untuk
menggambarkan kondisi industri ship
dismantling bekas beserta permasalahannya.
Dalam model simulasi ini dibuat beberapa
asumsi sebagai simplifikasi dari kondisi
sebenarnya. Dilain pihak, asumsi juga digunakan
untuk menggambarkan kondisi ideal dari suatu
system.Asumsi yang berlaku untuk model yang
diajukan adalah sebagai berikut :
1. Manufaktur sebagai konsumen besi tua,
tersebar pada lokasi pasar yang sama,
sehingga biaya transportasi untuk
mengirimkan besi tua dari fasilitas ke tiap
manufaktur diasumsikan sama.
2. Profit yang diperhitungkan hanya berasal
dari penjualan besi tua.
3. Perubahan harga besi tua dan intervalnya
ditetapkan secara random sesuai dengan
informasi pengusaha besi tua.
4. Kapasitas fasilitas ditetapkan berdasarkan
ketersediaan sumber daya manusia.
3.2 Penetapan Parameter dan Variabel yang
digunakan dalam Model
3.2.1 Permintaan (Demand) terhadap besi tua
Permintaan terhadap besi tua selalu ada setiap
periodenya. Dengan demikian, besi tua yang
dihasilkan oleh pengusaha ship dismantling
selalu terserap oleh pasar. Namun besarnya
jumlah besi tua yang terserap bergantung pada
keputusan dari pengusaha kapal bekas, dimana
keputusan tersebut dipengaruhi oleh harga jual
besi tua yang sedang berlaku pada saat itu.
3.2.2 Supply Kapal Bekas dan Besi Tua
Kapal bekas untuk dibongkar selalu tersedia.
Sebagaimana disebutkan pada bagian
sebelumnya bahwa pengusaha kapal bekas
secara teratur mengerahkan stafnya untuk
mencari kapal bekas yang tersebar tidak hanya
di wilayah perairan Indonesia, namun juga di
berbagai penjuru dunia. Dengan demikian, dapat
dinyatakan bahwa pasokan kapal bekas yang
tidak terbatas akan berpengaruh pada
ketersediaan pasokan besi tua.
3.2.3 Penetapan Harga Kapal Bekas
Harga kapal bekas, sebagaimana telah dijelaskan
pada bagian sebelumnya dipengaruhi oleh
berbagai factor, meliputi berat kapal bekas
(LDT), komposisi logam yang dimiliki oleh
kapal tersebut, dan kondisi kapal itu sendiri.
3.2.4 Penetapan harga besi tua
Harga besi tua pada model ini ditetapkan oleh
manufaktur sebagai konsumen. Pada saat krisis
global, banyaknya persediaan yang dimiliki oleh
manufaktur mempengaruhi harga jual besi tua.
Semakin banyak persediaan yang dimiliki oleh
menufaktur pada suatu periode, semakin rendah
harga yang ditetapkan (Jamil, 2009). Namun
pada saat ini, tingginya harga besi tua yang
ditetapkan dipengaruhi oleh impor besi dari
Negara Asia lain seperti Cina dan Korea (Farid,
2010).
Perubahan harga sering terjadi pada periode
random. Selain itu besarnya perubahan harga
yang terjadi tidak dapat diketahui secara pasti.
Faktor harga jual besi tua memiliki tingkat
ketidak pastian yang tinggi. Farid (2010),
seorang pengusaha besi tua, menyatakan bahwa
sejak terjadinya krisis global, harga besi tertinggi
pernah mencapai Rp 6700/kg dengan harga
terendah mencapai Rp 2900/kg. Hal ini
menunjukkan interval harga yang cukup tinggi
yaitu Rp 3800. Perubahan harga terjadi pada
interval waktu yang tidak menentu, sehingga
tidak dapat ditetapkan waktu dimana harga akan
berubah. Pada penelitian ini, interval waktu
perubahan harga ditetapkan secara random dan
atau berdasarkan aturan tertentu.
3.2.5 Komponen Biaya Untuk Proses Ship
dismantling Bekas
Komponen biaya yang digunakan untuk industri
ship dismantling bekas pada dasarnya sama
untuk tiap alternatif fasilitas. Perbedaan
4
komponen biaya terletak pada biaya
pengapungan kapal yang hanya berlaku untuk
kapal karam dan akan dibongkar di fixed facility
atau dynamic facility. Selain itu, ship
dismantling pada on the spot facility tidak
membutuhkan biaya pengiriman kapal bekas,
karena prosesnya dilakukan langsung pada lokasi
ditemukannya. Hanya saja biaya operasional
menjadi jauh lebih mahal jika dilakukan pada
lokasi karamnya.
Komponen biaya yang digunakan pada proses
ship dismantling meliputi :
1. Biaya Pembelian Kapal Bekas
2. Biaya Operasional Proses Ship dismantling
Bekas
3. Biaya tetap untuk fixed facility atau Biaya
sewa untuk dynamic facility.
4. Biaya Pengiriman Kapal Bekas
5. Biaya Transportasi untuk Mengirimkan Besi
Tua
6. Biaya Inventori
7. Biaya Pengapungan Kapal
8. Biaya Dampak Lingkungan
3.2.6 Notasi
Notasi-notasi yang digunakan pada penelitian ini
adalah sebagai berikut :
Indeks:
I = {1,.., i} menyatakan lokasi kapal berasal
sekaligus menyatakan lokasi bongkar kapal
dengan metode on the spot shipbreaking
J = {1,.., j} menyatakan set dari lokasi fasilitas
permanen (fixed facility)
K ={1.., k} menyatakan set dari lokasi fasilitas
temporari (dynamic facility)
M={1,..,m}menyatakan set dari lokasi
manufaktur
N={1,...,n} menyatakan jumlah kapal yang
masuk ke dalam sistem, baik yang akan
dibongkar maupun yang sedang dibongkar
Parameter :
dmt : Permintaan besi tua oleh manufaktur m
pada periode t
Sn : Estimasi berat total besi tua yang
dihasilkan oleh kapal ke n
Rn : Estimasi revenue yang akan diperoleh oleh
kapal ke n
rnt : Estimasi total berat kapal yang akan
dibongkar (Death Weight Tonnage)
: Koefisien yang menyatakan komposisi
besi yang dikandung oleh kapal tua
π : Koefisien profit
µ : Koefisien produktifitas pada tiap
tahap
LTn : Lead time proses untuk kapal n
LTp : Lead time kapal n untuk tahap
persiapan
LTd : Lead time kapal n untuk tahap
dismantling
LTs : Lead time kapal n untuk tahap
scrapping
LTmaks : Lead time maksimum yang diijinkan
untuk membongkar kapal n
P0 : Harga jual besi pada periode awal
Pt : Harga jual besi pada periode t
Pmaks(0) : Profit yang dihasilkan dengan harga
jual besi P0
P’makst : Profit yang dihasilkan oleh inventori
pada periode t dengan harga jual Pt
TPmaks : Target profit yang ditetapkan untuk
seluruh besi tua yang dihasilkan
TP’maks: Target profit turunan yang dihasilkan
dari penjualan inventori pada t
Dt : Jumlah hari penundaan (delay) yang
diijinkan
d’t : Jumlah hari penundaan (delay) yang
telah terjadi
dt : Jumlah hari penundaan (delay) yang
belum terjadi
Mn : Biaya pembelian kapal tua ke -n
Mtot : Total biaya pembelian kapal tua
TBn : Total biaya untuk memproses kapal n
pada fasilitas terpilih
TBit : Total biaya hingga menghasilkan
sejumlah besi tua pada periode t
It : Level persediaan pada periode t
Wt : Jumlah orang yang dipekerjakan
W : Jumlah maksimum pekerja yang
tersedia
5
Ws : Waktu standar untuk menghasilkan 1
ton besi tua
Wh : Jumlah jam kerja dalam sehari
Tf : Biaya fixed untuk mengirimkan besi
tua setiap kali pengiriman
Sn(t) : Jumlah besi tua yang dihasilkan
hingga periode t
: Jumlah besi tua yang akan diproduksi
pada periode t
Lc : Loading Capacity, yaitu batasan
minimum jumlah besi tua dapat dijual
Tcnijt : Biaya transportasi untuk mengirimkan
kapal dari lokasi asal i ke fixed facility j pada
periode t
Tcnikt : Biaya transportasi untuk mengirimkan
kapal dari lokasi asal i ke dynamic facility k
pada periode t
Fcnt : Biaya untuk mengapungkan kapal n
pada periode t
Ftj : Biaya tetap untuk fixed facility j
Ftk : Biaya sewa untuk dynamic facility k
Vcnjt : Biaya operasional untuk melakukan
proses ship dismantling n pada fixed facility j
diperiode t
Vcnkt : Biaya operasional untuk melakukan
proses ship dismantling n pada dynamic k
diperiode t
Vcnit : Biaya operasional untuk melakukan
proses ship dismantling n pada on the spot
facilities i diperiode t
TScjm : Biaya transportasi untuk mengirimkan
besi tua dari fixed facility j ke manufaktur m
TSckm :Biaya transportasi untuk mengirimkan
besi tua dari dynamic facility k ke manufaktur m
TScim :Biaya transportasi untuk mengirimkan
besi tua dari on the spot facility i ke manufaktur
m alternatif lokasi fasilitas ship dismantling.
EScnj : Biaya dampak lingkungan untuk kapal
ke-n, pada fixed facility j
EScnk : Biaya dampak lingkungan untuk kapal
ke-n, pada dynamic facility k
EScni : Biaya dampak lingkungan untuk kapal
ke-n, pada on the spot facility j
CI : Fraksi biaya inventori
Kriteria performansi yang akan dijadikan acuan
adalah maksimasi profit pengusaha besi tua dari
industri ship dismantling bekas. Variabel
keputusan yang akan dikalkulasi pada model ini
adalah pemilihan lokasi fasilitas ship
dismantling, kapan (t) proses pembongkaran
atau penundaan kapal dilakukan serta kapan
sebaiknya dilakukan penjualan dan berapa (dt)
jumlah besi tua yang sebaiknya dijual pada
periode (t) sehingga dapat diperoleh profit
optimal. Besarnya profit dipengaruhi oleh
informasi harga jual besi tua (Pt) pada tiap
periode dan besarnya loading capacity (Lc) yang
menentukan jumlah pengiriman besi tua ke
manufaktur.
3.2.7 Pengembangan Model dan Algoritma
Model dan Algoritma yang dikembangkan terdiri
dari lima tahapan. Secara detail langkah pada
tiap tahapan dapat dijelaskan pada gambar 4, 5
dan 6.
Tahap 1. Pemilihan Lokasi Fasilitas Bongkar
Kapal
Gambar 4.4 menjelaskan mengenai proses yang
terjadi pada tahap satu dan tahap dua. Secara
detail proses yang terjadi dapat dijelaskan pada
bagian berikut ini. Tahap ini ditujukan untuk
memilih lokasi fasilitas bongkar kapal. Pemilihan
lokasi didasarkan pada optimal profit yang dapat
diperoleh dari tiap alternatif lokasi pada periode
awal, dimana t = 0. Input yang dibutuhkan pada
dasarnya adalah data-data terkait dengan kapal
sebagai inisialisasi biaya yang dibutuhkan. Data
mengenai kapal bekas meliputi :
a. Tipe Kapal
b. Berat Kapal
Tipe kapal pada penelitian ini dibedakan menjadi
dua, yaitu obsolete ship (kapal bekas) dan
sunken ship (kapal karam). Perbedaan jenis
kapal akan berpengaruh pada banyaknya
Sedangkan berat kapal akan berpengaruh pada
estimasi besarnya biaya yang dibutuhkan dan
besarnya output besi tua yang dapat dihasilkan.
Secara detail, langkah-langkah para tahap ini
dijelaskan sebagai berikut.
1. Inputkan tipe dan berat kapal pada sistem.
Kemudian lakukan inisialisasi biaya untuk 3
atau 2 alternatif proses, bergantung pada
tipe kapal. Terdapat 2 alternatif lokasi untuk
6
 obsolete ship, yaitu fixed facility dan facility. Perlu dicatat bahwa terdapat
dynamic facility. Sedangkan untuk sunken perbedaan event yang terjadi pada fixed
ship terdapat 3 alternatif lokasi yaitu fixed facility dan dynamic facility pada obsolete
facility, dynamic facility dan on the spot ship dan sunken ship.

Gambar 1. Flowchart tahap 1 dan tahap 2 dari algoritma model

2. Selanjutnya adalah melakukan perhitungan (3) Biaya bongkar fasilitas fixed untuk sunken
biaya bongkar kapal tanpa penundaan ship :
(postponement). Secara detail, perhitungan
biaya bongkar untuk tiap fasilitas dilakukan
dengan persamaan yang akan ditunjukkan
pada persamaan berikut ini.
a. Alternatif biaya bongkar untuk obsolete
ship
(4) Biaya bongkar fasilitas dynamic untuk
(1) Biaya bongkar fasilitas fixed untuk obsolete
sunken ship :
ship :

(5) Biaya bongkar on the spot facility untuk

(2) Biaya bongkar fasilitas dynamic untuk sunken ship :
obsolete ship :

3. Sedangkan revenue yang diperoleh pada

periode awal dihitung dengan menggunakan
persamaan berikut.
b. Alternatif biaya bongkar untuk
sunken ship

7
4. Selanjutnya pemilihan lokasi dilakukan
dengan mencari profit yang paling optimal
dari alternatif lokasi yang ada. Pemilihan
lokasi untuk ship dismantling ke –n
dilakukan dengan menggunakan persamaan
berikut ini.
a. Untuk obsolete ship
Maks :
Dengan batasan :
b. Untuk sunken ship
Maks :
Dengan batasan :
Pada tahap ini, selain didapatkan fasilitas
terpilih, diperoleh pula nilai profit maksimum
(Pmaks(0)) yang dapat dicapai tanpa adanya
postponement. Disebut nilai maksimum, karena
profit yang diperoleh hanya berdasarkan biaya
ship dismantling tanpa dipengaruhi oleh biaya
penundaan. Keluaran dari tahap ini akan
digunakan pada perhitungan tahap 2. Dan untuk
selanjutnya, total biaya yang dibutuhkan untuk
alternatif lokasi terpilih akan dinyatakan dengan
TBn.
Tahap 2. Perhitungan Target Profit
Maksimum (TPmaks)
Pada tahap ini ditetapkan target profit yang ingin
dicapai dan tidak dipengaruhi oleh biaya
penundaan. Besarnya profit yang dicapai
biasanya ditetapkan berdasarkan Harga Beli
kapal bekas dan koefisien nilai profit. Koefisien
profit dinyatakan dalam prosentase. Target profit
maksimum untuk sebuah kapal – n dihitung
dengan persamaan berikut.
Gambar 5 menjelaskan secara ringkas mengenai
proses yang terjadi pada tahap tiga dan tahap
empat. Secara detail, proses yang terjadi pada
tiap tahap tersebut dapat dijelaskan sebagai
berikut.
Tahap 3. Pengambilan Keputusan Untuk
”Tunda” Atau ”Lanjutkan” Proses Ship
Dismantling
Keluaran dari tahapan sebelumnya digunakan
sebagai input pada tahapan ini. Pmaks(0)
(keluaran dari tahap 1) dibandingkan dengan
TPmaks (keluaran tahap 2). Persamaan yang
digunakan adalah sebagai berikut.
TPmaks - Pmaks(0) ≤ 0
Jika hasil yang didapatkan memenuhi persamaan
diatas, maka keputusan yang diambil ada
”lanjutkan”, artinya lanjutkan proses ke tahap
ship dismantling, dimana keputusan langkah ini
akan menjadi state awal untuk proses ship
dismantling tersebut. Dan sebaliknya, jika
persamaan diatas tidak dapat dipenuhi, maka
keputusan yang diambil adalah ”tunda”, artinya
tunda proses ship dismantling. Keputusan ini
akan terus dievaluasi seiring dengan
bertambahnya nilai t.
Tahap 4. Perhitungan Lead Time Pada
Fasilitas Terpilih
8
Tahapan ini bertujuan untuk menghitung lead
time untuk menyelesaikan proses ship
dismantling pada suatu fasilitas terpilih. Perlu
dicatat sebelumnya bahwa lead time pengiriman
kapal bekas ke fasilitas (LTk) dan lead time
proses pengapungan kapal (LT a) tidak termasuk
dalam perhitungan lead time proses perhitungan
kapal (LTn). Lamanya proses ship dismantling
ditentukan oleh banyaknya jumlah tenaga kerja
yang tersedia di fasilitas tersebut.

Gambar 2. Flowchart tahap 3 dan tahap 4 dari algoritma model

Proses ship dismantling, sebagaimana dijelaskan

dengan
pada bab II, terdiri dari 3 tahap yaitu:
1. Tahap Persiapan dimana
2. Tahap Dismantling
dengan komposisi tiap tahap terhadap total lead
3. Tahap Scrapping
time proses berturut-turut dinyatakan dengan :
Tiap tahapan diatas memiliki komposisi lead
time-nya masing-masing terhadap total lead time - Lead time tahap persiapan
proses dengan koefisien produktifitas yang
berbeda pula. Koefisien produktifitas - Lead time tahap dismantling
menyatakan tingkat produktifitas pekerja untuk
menghasilkan besi tua pada tiap tahap terkait - Lead time tahap scrapping
dengan proses yang sedang berjalan. Komposisi
lead time tiap tahap dan koefisien Dengan mensubstitusikan LT n dengan persamaan
produktifitasnya secara berturut-turut dinyatakan diatas, maka diperoleh persamaan sebagai
dengan [(LTp, ) ;(LTd, ) ;(LTs, )]. berikut.
Dengan demikian, input yang dibutuhkan untuk
tahapan ini terdiri dari :
a. Jumlah tenaga kerja tersedia pada Kemudian masukkan nilai komposisi lead time
fasilitas (Wt) dan koefisien produktifitas, sehingga didapatkan
b. Waktu standar pekerja untuk persamaan
menghasilkan besi tua (WS)
c. Jumlah jam kerja/hari (Wh)
Waktu standar dihitung dengan menggunakan
informasi yang didapat dari lapangan.
Sedangkan total lead time untuk kapal n dihitung Jika nilai LT n telah didapat, maka nilai LTp,
dengan menggunakan persamaan berikut. LTd, LT s dapat dihitung. Persamaan tersebut

9
diatas berlaku dengan batasan kapasitas Wt ≤ W,
menyatakan bahwa jumlah pekerja yang
digunakan tidak lebih dari jumlah total pekerja
yang tersedia di suatu lokasi fasilitas.
Dengan demikian, maka lead time proses untuk
tiap tahap dan untuk seluruh proses dapat
diketahui. Selain itu, pada tahap ini ditetapkan
pula LTmaks yang menyatakan lead time
maksimum suatu proyek. Horison waktu untuk
LTmaks ditetapkan berdasarkan target waktu
pengembalian modal yang ditetapkan oleh
pengusaha. Maka waktu penundaan proses yang
diijinkan dihitung dengan persamaan
Dtn = LTmaks - LTn
Waktu delay menyatakan penundaan yang
diijinkan, baik penundaan proses maupun
penundaan penjualan.
Gambar 3 menjelaskan secara ringkas proses
yang terjadi pada tahap 5. Dimana tahapan
tersebut secara detail dapat dilihat pada
penjelasan berikut ini.
Tahap 5 : Update ”t” Dan Evaluasi Entitas
Untuk Tiap “t”
Tahap 5 dilakukan untuk mengevaluasi entitas
ketika terjadi penambahan waktu sejumlah t.
Perubahan variabel pada entitas dihitung untuk
setiap penambahan t sebelum akhirnya dilakukan
pengambilan keputusan untuk mengoptimalkan
profit yang diperoleh. Terdapat 2 (dua) jenis
keputusan yang diambil pada setiap t, yaitu :
a. Keputusan untuk “lanjutkan” atau “tunda”
proses ship dismantling pada periode t.
b. Keputusan untuk “jual” atau “simpan”
penjualan besi tua pada periode t.
Proses evaluasi entitas untuk setiap transisi t
dilakukan dengan mengikuti langkah-langkah
berikut.
1. Perubahan setiap waktu dinyatakan
dengan t = t +1. Evaluasi dilakukan untuk
setiap t, dimana t menyatakan jumlah hari
kerja berlangsungnya proses ship dismantling
ditambahkan dengan proses awal sebelum
dilakukan ship dismantling. Terkait dengan
adanya tahapan dalam proses ship
dismantling, maka dalam penelitian ini, t
dibedakan menjadi tiga berdasarkan proses
yang sedang terjadi pada t tersebut, yaitu :
- tp untuk
- td untuk
- ts untuk
Pembedaan tersebut ditujukan untuk
mempermudah proses evaluasi, terkait dengan
produktifitas yang berbeda untuk tiap tahap.
Untuk setiap perubahan t, disertai dengan
informasi mengenai harga jual besi tua yang
berlaku saat itu sebagai salah satu dasar
pengambilan keputusan.
2. Langkah selanjutnya adalah melakukan
perhitungan variabel tiap entitas sebagai
dasar evaluasi untuk pengambilan keputusan.
Keputusan pertama adalah untuk menentukan
keputusan untuk melanjutkan proses atau
menunda, dengan harga jual besi tua pada t.
Tahapan yang dilakukan adalah sebagai
berikut.
- Lakukan perhitungan Profit untuk periode t
dengan persamaan
- Kemudian gunakan persamaan TPmaks –
Pmaks [t,Pt] ≤ 0 untuk mengambil
keputusan. Putuskan untuk ‘lanjutkan’
proses jika persamaan terpenuhi, dan ‘tunda’
proses jika sebaliknya. Jika keputusan
adalah ‘tunda’ proses, maka periksa kondisi
apakah jumlah hari penundaan yang belum
terpakai memenuhi syarat Δdt ≤ Dt - d’t
- Jika syarat terpenuhi, maka putuskan
‘tunda’ yang akan dieksekusi setelah satu
tahap selesai, jika tidak maka putuskan
untuk ‘lanjutkan’ proses.
3. Tahap selanjutnya adalah pengambilan
keputusan penjualan besi tua yang
dinyatakan dengan keputusan ‘jual’ dan
‘simpan’ penjualan. Pengambilan keputusan
dilakukan dengan mengikuti tahapan sebagai
berikut.
- Hitung output produksi yang telah dihasilkan
hingga periode t dengan menggunakan
persamaan , dan
dihitung dengan persamaan berikut :
o Jika maka berlaku :
o Jika maka berlaku :
10
o Jika maka berlaku : Periksa apakah . Jika kondisi
tersebut tidak terpenuhi, maka keputusan
yang diambil adalah ‘simpan’ yang artinya
- Kemudian update jumlah inventori It tunda penjualan. Pada keputusan ini maka
dengan menggunakan persamaan besarnya It tidak perlu di update karena tidak
ada penjualan. Dan sebaliknya, jika kondisi
Dimana pada langkah ini, dmt yang tersebut terpenuhi, maka keputusan yang
menyatakan jumlah besi tua yang terjual diambil adalah ‘jual’, yang artinya lakukan
pada periode t belum diputuskan, sehingga penjualan.
dmt = 0.

Gambar 3. Flowchart tahap 5 dari algoritma model

11
- Namun demikian, perlu kembali dilakukan
pemeriksaan terhadap profit yang dapat
diraih pada t dengan harga jual Pt. Langkah
yang dilakukan pertama kali adalah
menghitung biaya produksi untuk
menghasilkan besi tua sejumlah It yang
dinyatakan dengan
a. Jendela Opt-Shipbreak!!, bertujuan untuk
memilih fasilitas yang memberikan profit
yang paling optimal.
b. Jendela kedua yaitu Simulation *Opt-
Ship!!*, bertujuan untuk melakukan simulasi
sekaligus melakukan perhitungan dari tiap
entitas untuk setiap perubahan setiap waktu.

Sedangkan revenue dengan menjual sejumlah a. Jendela Opt-Shipbreak!!

I, dihitung dengan persamaan : Gambar 4 menunjukkan tampilan awal dari
jendela Opt-Shipbreak!!. Jendela ini terdiri dari
Dengan asumsi awal bahwa akan dilakukan empat panel, dimana tiap panel terdiri dari input
penjualan pada periode t, maka profit pada dan atau output yang dikelompokkan
periode t dapat dihitung dengan berdasarkan fungsinya.
menggunakan persamaan

Target profit maksimal untuk penjualan

periode t dihitung dengan menggunakan
persamaan
- Langkah selanjutnya yaitu melakukan
evaluasi terhadap kelayakan penjualan hasil
besi tua dengan menggunakan persamaan
. Jika kondisi Gambar 4. Jendela Opt-Shipbreak!!
tersebut terpenuhi, maka putuskan untuk
Panel pertama terdiri dari label dan button yang
‘jual’, dan kirim besi tua ke manufaktur.
berfungsi sebagai input yang berlaku secara
Namun jika tidak, maka putuskan ‘simpan’
umum untuk proses. Panel pertama pulalah
dengan syarat t ≤ LTmaks. Jika tidak
yang pertama kali diidentifikasikan inputnya
memenuhi syarat tersebut, maka putuskan
pada saat memulai proses. Tampilan jendela
untuk ‘jual’.
Opt-Shipbreak!! yang telah diisi lengkap dapat
- Jika keputusan ‘jual’ dilakukan, maka dilihat pada gambar 5 berikut ini.
update It dengan persamaan
, dengan dt sejumlah
It yang terjual.
4. Ulangi langkah 3 dan 4 hingga proses ship
dismantling selesai dimana LTs < t ≤ LTmaks
5. Jika LT (s) < t ≤ LTmaks, maka evaluasi
dilakukan langsung pada langkah 4, dan
ulangi hingga It = 0 dan t > LTmaks.
Demikian algoritma dijalankan hingga iterasi
selesai dilakukan.

5. Desain Antarmuka Gambar 5. Tampilan jendela setelah pengambilan

Bagian ini menjelaskan tentang desain antarmuka
dari DSS yang telah dibuat. DSS ini untuk
selanjutnya disebut Opt-Ship!!ware. Opt-
Ship!!ware terdiri dari dari jendela utama, yaitu:
keputusan
c. Jendela Simulation *Opt-Ship!!
Bagian ini digunakan untuk melakukan evaluasi
dan update entitas pada setiap perubahan
waktu. Jendela ini digambarkan pada gambar 5
diatas.

12
Hasil dari simulasi dapat dilihat pada gambar 6 Tren harga yang digunakan untuk uji numerik
dimana gantt chart, job status dan grafik ini dapat dilihat pada gambar 7, 8, dan 9.
akumulasi profit telah ter-update.

Gambar 7. Fluktuasi Harga Untuk Interval

Gambar 6. Tampilan jendela setelah pengambilan Perubahan 1 Hari
keputusan

6. Analisis Hasil Uji Numerik

Percobaan numerik dilakukan dengan
menggunakan data lapangan dan disintesa
dengan data hipotesis. Data hipotesis digunakan
karena kurangnya ketersediaan data aktual di
lapangan mengingat belum berjalannya prosedur
dokumentasi yang baik di industri pembongkaran
kapal. Beberapa kondisi diasumsikan
berdasarkan kondisi yang terjadi di Indonesia. Gambar 8. Fluktuasi Harga Untuk Interval
Perubahan 5 Hari
Percobaan ini menggunakan 2 type kapal
sebagai input, yaitu kapal bekas dan kapal
karam, dimana masing-masing memiliki
parameter biaya yang berbeda. Kedua kapal
tersebut akan dianalisa secara terpisah.
Informasi mengenai kapal dan harga beli kapal
diperoleh dari data aktual, namun parameter
biaya lainnya diasumsikan.Uji numerik
menunjukkan bahwa secara parsial, profit yang
dihasilkan dipengaruhi waktu, yaitu lead time
maksimum dan interval perubahan harga, Gambar 9. Interval Harga Untuk Interval Perubahan
namun tidak dipengaruhi oleh LC. Pengaruh 10 Hari
yang diakibatkan oleh variabel-variabel tersebut
ternyata berbeda untuk tiap data set harga. Tren harga antara data set harga berdistribusi
Selain itu, pengaruhnya juga tidak dapat normal dan uniform beserta turunannya memiliki
dipolakan. Sehinggadalam hal ini dapat pola yang hampir sama. Namun demikian
disimpulkan, bahwa secara bersama-sama lead terdapat beberapa perbedaan yang cukup
time maksimum dan interval perubahan harga signifikan pada tren harga untuk interval
tidak berpengaruh terhadap profit yang perubahan 5 hari.
dihasilkan. Dari uji numerik yang telah dilakukan
Namun perlu diketahui bahwa faktor waktu sebelumnya, dapat diihat bahwa untuk tren harga
sangat terkait dengan harga besi tua pada suatu yang cenderung naik selama proses
periode. Panjangnya lead time dan interval pembongkaran kapal dan periode penjualan besi
waktu perubahan harga akan berpengaruh tua berlangsung, akan menghasilkan profit yang
terhadap tren harga yang terjadi selama proses tinggi dan bahkan cenderung melampaui target.
pembongkaran kapal dan periode penjualannya. Dan sebaliknya, jika tren harga menurun pada

13
saat proses pembongkaran dan khususnya pada c. Tidak ditemukan adanya pengaruh interval
saat fase penjualan, maka profit yang dihasilkan waktu perubahan harga secara langsung
akan rendah. terhadap profit yang diperoleh
Pada suatu ketika dimana fluktuasi harga d.Lead time maksimum dan interval perubahan
memiliki pola yang tidak teratur, maka tren harga berpengaruh dalam menentukan tren
harga pada saat fase penjualan seringkali harga selama proses ship dismantling dan fase
berpengaruh pada profit, apalagi jika pada tren penjualan besi tua.
harga selama proses produksi cenderung rendah e. Tren harga yang terjadi selama proses ship
dan tidak mencapai target profit. dismantling dan fase penjualan besi tua
Gambar 10 dan 11 menunjukkan bahwa nilai berpengaruh pada pencapaian profit optimal.
profit tertinggi untuk semua skenario dicapai
oleh data set berdistribusi uniform pada interval
perubahan harga 1 hari. Panjang lead time
maksimum tidak memberikan pengaruh yang
signifikan pada perbedaan profit yang dicapai.
Hal yang sama berlaku untuk data set harga
berdistribusi normal. Dapat dilihat untuk kedua
kapal bahwa profit tertinggi dapat dicapai untuk
interval perubahan 1 hari. Perbedaan interval
mengacu pada tren harga yang berlaku selama
proses pembongkaran kapal dan periode Gambar 10. Perbandingan Profit Antar Distribusi
penjualan berlangsung. Harga untuk Kapal Karam
Melalui uji numerik ini terbukti bahwa untuk dua
data set harga beserta turunannya, penggunaan
algoritma dapat memberikan profit yang lebih
tinggi dibandingkan tanpa menggunakan
algoritma. Pada beberapa kasus profit yang
dihasilkan tanpa menggunakan algoritma lebih
tinggi daripada menggunakan algoritma. Namun
demikian, terbukti bahwa besarnya peningkatan
profit yang dengan algoritma dapat dicapai 26%,
sedangkan penurunan profit yang diakibatkan Gambar 11. Perbandingan Profit Antar Distribusi
implementasi algoritma mencapai maksimal 4%. Harga Untuk Kapal Bekas
Oleh karena itu, sementara ini dapat disimpulkan
bahwa penggunaan algoritma ini terbukti dapat Dari hasil uji numerik dengan menggunakan
mengoptimalkan profit pengusaha besi tua dari enam set data harga yang berbeda, membuktikan
kapal dengan resiko perolehan profit minimum bahwa model dan algoritma yang dibuat dapat
yang kecil. meningkatkan nilai profit hingga 26%
dibandingkan tanpa algoritma, bergantung pada
6. Kesimpulan
trend harga yang terjadi pada suatu periode
Analisa numerik berbasis data hipothesis tertentu. Dilain pihak, model dan algoritma ini
dengan single ship entry telah dilakukan untuk dapat menurunkan nilai profit hingga 4%, namun
validasi model, sekaligus untuk mengetahui dengan tanpa merubah pencapaian terhadap
pengaruh beberapa variabel terhadap profit target profit.Model dan algoritma optimasi nilai
optimal yang dapat dicapai dengan hasil sebagai profit dapat menghasilkan kebijakan yang
berikut : menguntungkan untuk mencapai profit yang
a. Tidak ditemukan adanya pengaruh lead time optimal.
maksimum secara langsung terhadap profit Dari penelitian ini terdapat beberapa saran
yang diperoleh sebagai arahan untuk penelitian lanjutan guna
b.Tidak ditemukan adanya pengaruh LC mengembangkan penelitian yang telah dilakukan,
terhadap profit yang diperoleh yaitu :

14
1. Penelitian ini menggunakan single ship entry
sebagai bahan analisa dan evaluasi. Pada
penelitian selanjutnya dapat digunakan multi
ship entry untuk menganalisa profit jika
terjadi multi entry pada sistem.
2. Penelitian ini dapat dikembangkan dengan
mempertimbangkan hasil penjualan komponen
yang reusable dari kapal selain dari besi tua
yang dihasilkan.
7. Daftar Pustaka
______________, H Mustofa, Pengusaha
Sukses yang Buta Huruf. http://
www.sinarharapan.co.id/ekonomi/usaha/2005/
0312/ukm2.html (diunduh tanggal 18.02.09 -
12:45)
______________, Shipbreaking. http://www.
globalsecurity.org/military/systems
/ship/shipbreaking.htm (diunduh tanggal : 08-08-
2009)
Biehl,M. Prater, E. , Realff, MJ. (2007)
Assessing performance and uncertainty in
developing carpet reverse logistics systems.
Computers & Operations Research 34 : 443–
463
De Brito, Maria.,”Reverse Logistics: a review of
case studies,” Econometric Institute Report EI
2002-21, 2002.
Fleischmann, Moritz. (2000). Quantitative
Models for Reverse Logistics, Thesis,
Rotterdam: Erasmus University
Francas dan Minner, 2009. Manufacturing
network configuration in supply chains with
product recovery. Omega 37, 757 -769
Hess, R.W., Hynes, M.V., Peters, J.E.,
Rushworth, D. (2001) Disposal Option for
Ship, Santa Monica : Rand
Kara, S., Rugrungruang, F., Kaebernick,H.,
(2007) Simulation modelling of reverse
logistics networks. International Journal of
Production Economics 10 : 61–69
Lauridsen, et al., “Shipbreaking in OECD,”
Working Report No. 18, 2003.
Lee dan Dong (2009). Dynamic network design
for reverse logistics operations under
uncertainty. Transportation Research Part E
45: 61–71
Liecken dan Vandaele (2007) Reverse logistics
network design with stochastic lead times.
Computers & Operations Research 34 : 395–
416
Lu and Bostel (2007) A facility location model
for logistics systems including reverse flows:
The case of remanufacturing activities.
Computers & Operations Research 34 : 299–
323.
Neser, G., Unsalan, D., Tekogul, N., Lauridsen,
F. (2006). The shipbreaking industri in Turkey:
environmental, safety and health issues.
Journal of Cleaner Production 16
Nunes, K.R.A., Mahler, C.F., Valle, R.A.
(2009). Reverse logistics in the Brazilian
construction industry. Journal of
Environmental Management : 1–4
Reddy, M.S., Basha, S. Joshi, H.V.,
Ramachandraiah G.(2005) Seasonal
distribution and contamination levels of total
PHCs, PAHs and heavy metals in coastal
waters of the Alang–Sosiya ship scrapping
yard, Gulf of Cambay, India. Chemosphere 61
: 1587–1593.
Rivera, Reynaldo., Ertel, Jurgen. (2008) Reverse
logistics network design for the collection of
End-of-Life Vehicles in Mexico. European
Journal of Operational Research 196 : 930–
939
Schultmann, F., Zumkeller,M.,Rentz, O. (2006)
Modeling reverse logistic tasks within closed-
loop supply chains: An example from the
automotive industry. European Journal of
Operational Research 171: 1033–1050
Shih, Li-Hsing., 2001. Reverse Logistics system
planning for recycling electrical appliance and
computer in Taiwan. Journal of Resources,
Conservation and Recycling 32, 55-72
Sundelin, Oskar. (2008). The Scrapping of
Vessels – An examination of the waste
movement regime’s applicability to vessels
destined for scrapping and potential
improvements made in the IMO Draft
Convention on Ship Recycling, Thesis,
Gothenburg : Department of Law School of
Business, Economics and Law University of
Gothenburg.
15